SQL：有没有办法找到重复项并将它们标记为带有大小写的新列

Posted 2023-03-22

【中文标题】SQL：有没有办法找到重复项并将它们标记为带有大小写的新列

【英文标题】：SQL : Is there any way to find Duplicates and flag them as new column with case

【发布时间】：2021-02-26 20:31:03

【问题描述】：

我正在尝试在表中查找重复项并想添加一个新的标志列。 以下示例数据：

Column A        Column B
1                888
1                999
1                777
1                777
2                444
2                444
3                555
4                222
-5               333
-5               672
-5               045        

期望的输出：

Column A        Column B         Flag_output
1                888              DUPLICATE
1                999              DUPLICATE
1                777              NULL
1                777              NULL
2                444              NULL
2                444              NULL
3                555              NULL
4                222              NULL
-5               333              DUPLICATE
-5               672              DUPLICATE
-5               045              DUPLICATE

案例 1：当 A 列具有相同的值而 B 列中的值不同时（例如 A 列中的值 1） - 应标记为 DUPLICATE

案例 2：当 A 列在多行中与 B 列中的相同值具有相同的值时（例如 A 列中的值 2） - 应标记为空

案例 3：当 A 列和 B 列具有唯一值时（例如 A 列中的值 3 和 4） - 也应该是标记为NULL

任何帮助将不胜感激。

【问题讨论】：

我不明白“1”的行如何根据您的条件具有不同的标志值。

【参考方案1】：

根据您的描述，我可以将您的条件表述为b 的最小值和最大值对于a 不同，然后标记为'duplicate'。

为此，请使用窗口函数：

select t.*,
       (case when min(b) over (partition by a) <> max(b) over (partition by a)
             then 'duplicate'
        end) as flag_output
from t;

根据数据，您似乎想要：

select t.*,
       (case when count(*) over (partition by a, b) = 1 and
                  count(*) over (partition by a) > 1
             then 'duplicate'
        end) as flag_output
from t;

也就是说，仅当a 有多个值时才标记单例值。

【参考方案2】：

编辑： @Gordon Linoff answered 在我打字的时候。一定要先尝试他的解决方案，因为它可能比这更有效。

---

鉴于以下情况：

A   | B
--- | ---
1   | 888   
1   | 999
1   | 777
1   | 777

您是第一次遇到A=1，所以它不能是DUPLICATE，而必须是NULL。

A   | B   | Result
--- | --- | ---
1   | 888 | NULL     
1   | 999 |
1   | 777 | 
1   | 777 | 

然后您将第二次遇到A=1，其值为B。这会将两行标记为DUPLICATE。

A   | B   | Result
--- | --- | ---
1   | 888 | DUPLICATE   
1   | 999 | DUPLICATE
1   | 777 | 
1   | 777 | 

还有第三个A=1 实例，它还有一个不同的值B。这三个都是DUPLICATEs。

A   | B   | Result
--- | --- | ---
1   | 888 | DUPLICATE   
1   | 999 | DUPLICATE
1   | 777 | DUPLICATE
1   | 777 | 

您第四次看到A=1 时，它有一个您之前见过的B 值(B=777)，它将两行都标记为NULL。

A   | B   | Result
--- | --- | ---
1   | 888 | DUPLICATE   
1   | 999 | DUPLICATE
1   | 777 | NULL
1   | 777 | NULL

---

我的解决方案计算表中A 的每个值的实例以及每个A, B 对的匹配数。这些子结果连接到主表以获取您的结果。 Try it out.

架构

CREATE TABLE Sample (A int, B int)

查询

SELECT s.A, s.B,
  CASE 
    WHEN m.Matches > 1 THEN NULL
    WHEN i.Instances = 1 THEN NULL
    ELSE 'DUPLICATE'    
  END AS Result
FROM Sample s 
  INNER JOIN (SELECT A, COUNT(*) AS Instances FROM Sample GROUP BY A) i
    ON s.A = i.A
  INNER JOIN (SELECT A, B, COUNT(*) AS Matches FROM Sample GROUP BY A, B) m
    ON s.A = m.A AND s.B = m.B
ORDER BY A, B